文献类型：期刊文章

作　　者：喻丽春[1] 刘金清[2]

YU Lichun;LIU Jinqing(School of Technology,Fuzhou University of International Studies and Trade,Fuzhou 350202,China;College of Photonic and Electronic Engineering,Fujian Normal University,Fuzhou 350007,China)

机构地区：[1]福州外语外贸学院理工学院,福州350202 [2]福建师范大学光电与信息工程学院,福州350007

出　　处：《计算机工程与应用》

基　　金：国家自然科学基金(No.61179011)。

年　　份：2020

卷　　号：56

期　　号：21

起止页码：194-198

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD_E2019_2020、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：传统火焰检测算法依赖于人工特征工程,具有主观性和盲目性,存在泛化能力差,检测准确率不高等问题。提出一种基于改进Mask R-CNN的火焰图像识别算法,算法在Mask R-CNN的基础上,在特征金字塔引入一条自下向上的特征融合,同时改进了损失函数,使边框定位更准确。在自建的测试数据集上实验表明,改进后算法准确率相对于原先算法识别定位精度更高,检测准确率提升超过5%。

关 键 词：火灾检测 特征工程  残差网络  特征金字塔网络  

分 类 号：TP391.41] TP183[计算机类]